摘要：为解决交通道路行驶车辆车标识别中存在的目标小、噪声大、种类多的问题,提出了一种基于深度学习的目标检测算法与基于形态学模板匹配算法相结合的方法,并设计了一种高准确度且能应对新类型车标的识别系统。首先,采用通过K-Means++重新聚类锚框值,并引入残差网络的YOLOv4进行车标的一步定位;其次,通过对标准车标图像进行预处理及分割,构建二值车标模板库;接着,利用带色彩恢复的多尺度视网膜图像增强算法(MSRCR)、最大类间方差法(OTSU)等对定位到的车标进行预处理;最后,将处理好的车标与模板库中的标准车标进行汉明距离计算,求出最佳匹配。车标检测实验中,改进的YOLOv4检测精度均优于原始YOLOv4、基于车牌位置的车标两步定位法和基于散热器栅格背景的车标定位法,达到99.04%;速度略低于原始YOLOv4,高于另外两者,达到每秒50.62帧。车标识别实验中基于形态学模板匹配的识别精度均高于传统的方向梯度直方图(HOG)、局部二值模式(LBP)和卷积神经网络,达到92.68%。实验结果表明基于深度学习的车标检测算法有较高的精度和较快的速度,形态学模板匹配方法在光照变化和噪声污染的情况下仍能保持较高的识别精度。

摘要：本文叙述的SRMC—Ⅰ型数字式乳汁密度测定仪,是一种快速鲜奶密度测定仪。该仪器以51系列单片计算机为核心;配有设计巧妙的大摆幅、高同心度、高线性芳玻璃浮计及其红外线发射和接收密度—电量传感器;在强有力的测量软件和现行单位奶价计算软件的支持下;使得与以往的测量方法比较:将测量周期从3min加快到30s,将测量精度从0.1％提高到0.05％。半年多来的应用表明:该仪器是一种在鲜奶收购站、点和鲜奶质量监督部门比较实用的快速、高精度密度测定仪器。

摘要：本文较为详细地讨论了SRMC—1型数字式乳汁密度测定仪的一次仪表和二次仪表,并给出了两种方式传感器、变送器的设计方法。由于有单片计算机测量系统的支持,从而保证了乳汁密度测量的精度和速度。